Spaces:
Sleeping
Sleeping
| import pandas as pd | |
| import plotly.express as px | |
| import gradio as gr | |
| # Configurazione: nomi delle colonne presenti nel dataset | |
| COL_TITOLO = "titolo_articolo" | |
| COL_AUTORE1 = "primo_autore" | |
| COL_AUTORE2 = "secondo_autore" | |
| COL_AUTORE3 = "terzo_autore" | |
| COL_ANNO = "anno_pubblicazione" | |
| COL_LINGUA = "lingua" | |
| COL_KEYWORD = "keyword" | |
| COL_TESTO = "testo_txt" # Colonna contenente il testo dell'articolo (se necessaria) | |
| COL_NUM_PAROLE = "num_parole" # Colonna con il numero di parole per articolo | |
| COL_LUOGHI = "luoghi_citati" | |
| def genera_grafici(): | |
| # Caricamento del dataset | |
| df = pd.read_csv("sa-dataset.csv") | |
| # Verifica colonne fondamentali | |
| colonne_necessarie = [COL_ANNO, COL_LINGUA, COL_KEYWORD, COL_NUM_PAROLE, COL_LUOGHI, COL_AUTORE1, COL_AUTORE2, COL_AUTORE3] | |
| for col in colonne_necessarie: | |
| if col not in df.columns: | |
| raise KeyError(f"Il dataset non contiene la colonna '{col}'. Verificare il file.") | |
| # Assicurarsi che COL_NUM_PAROLE sia numerico | |
| df[COL_NUM_PAROLE] = pd.to_numeric(df[COL_NUM_PAROLE], errors="coerce") | |
| # Creazione di una colonna 'lista_autori' combinando i tre autori (filtrando eventuali valori nulli o vuoti) | |
| df["lista_autori"] = df[[COL_AUTORE1, COL_AUTORE2, COL_AUTORE3]].apply( | |
| lambda row: [a for a in row if pd.notnull(a) and str(a).strip() != ""], axis=1) | |
| # Creazione della serie degli autori (esplosione della lista) | |
| autori_explosi = df.explode("lista_autori") | |
| figures = [] | |
| # 1. Lunghezza media di articoli per anno | |
| df_media = df.groupby(COL_ANNO)[COL_NUM_PAROLE].mean().reset_index() | |
| fig1 = px.bar(df_media, x=COL_ANNO, y=COL_NUM_PAROLE, | |
| title="Lunghezza media di articoli per anno", | |
| labels={COL_ANNO: "Anno", COL_NUM_PAROLE: "Numero medio di parole"}) | |
| figures.append(fig1) | |
| # 2. Trend delle keyword per anno | |
| # Suddivide le keyword in lista (assumendo che siano separate da virgola) | |
| df["keyword_list"] = df[COL_KEYWORD].apply(lambda x: [k.strip() for k in str(x).split(",") if k.strip() != ""]) | |
| df_keywords = df.explode("keyword_list") | |
| # Calcola la frequenza delle keyword per anno | |
| keyword_year = df_keywords.groupby([COL_ANNO, "keyword_list"]).size().reset_index(name="count") | |
| # Seleziona le 5 keyword più frequenti complessivamente | |
| top_keywords = df_keywords["keyword_list"].value_counts().head(5).index.tolist() | |
| keyword_year_top = keyword_year[keyword_year["keyword_list"].isin(top_keywords)] | |
| fig2 = px.line(keyword_year_top, x=COL_ANNO, y="count", color="keyword_list", markers=True, | |
| title="Trend delle keyword per anno", | |
| labels={COL_ANNO: "Anno", "count": "Frequenza", "keyword_list": "Keyword"}) | |
| figures.append(fig2) | |
| # 3. Produttività degli autori (15 autori più prolifici) | |
| top15_autori = autori_explosi["lista_autori"].value_counts().head(15).reset_index() | |
| top15_autori.columns = ["autore", "count"] | |
| fig3 = px.bar(top15_autori, x="autore", y="count", | |
| title="Produttività degli autori (15 autori più prolifici)", | |
| labels={"autore": "Autore", "count": "Numero di articoli"}) | |
| fig3.update_layout(xaxis_tickangle=-45) | |
| figures.append(fig3) | |
| # 4. Numero complessivo di articoli per ciascun autore (tutti gli autori) | |
| articoli_per_autore = autori_explosi["lista_autori"].value_counts().reset_index() | |
| articoli_per_autore.columns = ["autore", "count"] | |
| fig4 = px.bar(articoli_per_autore, x="autore", y="count", | |
| title="Numero complessivo di articoli per ciascun autore", | |
| labels={"autore": "Autore", "count": "Numero di articoli"}) | |
| fig4.update_layout(xaxis_tickangle=-45) | |
| figures.append(fig4) | |
| # 5. Autori che hanno pubblicato più di 5 articoli | |
| autori_oltre5 = articoli_per_autore[articoli_per_autore["count"] > 5] | |
| fig5 = px.bar(autori_oltre5, x="autore", y="count", | |
| title="Autori che hanno pubblicato più di 5 articoli", | |
| labels={"autore": "Autore", "count": "Numero di articoli"}) | |
| fig5.update_layout(xaxis_tickangle=-45) | |
| figures.append(fig5) | |
| # 6. Distribuzione per Lingua (grafico a torta) | |
| distribuzione_lingua = df[COL_LINGUA].value_counts().reset_index() | |
| distribuzione_lingua.columns = [COL_LINGUA, "count"] | |
| fig6 = px.pie(distribuzione_lingua, names=COL_LINGUA, values="count", | |
| title="Distribuzione per Lingua", hole=0.3) | |
| figures.append(fig6) | |
| # 7. Numero di articoli per ciascun anno | |
| articoli_per_anno = df[COL_ANNO].value_counts().reset_index() | |
| articoli_per_anno.columns = [COL_ANNO, "count"] | |
| articoli_per_anno = articoli_per_anno.sort_values(COL_ANNO) | |
| fig7 = px.bar(articoli_per_anno, x=COL_ANNO, y="count", | |
| title="Numero di articoli per ciascun anno", | |
| labels={COL_ANNO: "Anno", "count": "Numero di articoli"}) | |
| figures.append(fig7) | |
| # 8. Frequenza dei luoghi citati (top 10) | |
| df["luoghi_list"] = df[COL_LUOGHI].apply(lambda x: [l.strip() for l in str(x).split(",") if l.strip() != ""]) | |
| df_luoghi = df.explode("luoghi_list") | |
| frequenza_luoghi = df_luoghi["luoghi_list"].value_counts().head(10).reset_index() | |
| frequenza_luoghi.columns = ["luogo", "count"] | |
| fig8 = px.bar(frequenza_luoghi, x="count", y="luogo", orientation="h", | |
| title="Frequenza dei luoghi citati (top 10)", | |
| labels={"luogo": "Luogo", "count": "Frequenza"}) | |
| figures.append(fig8) | |
| # 9. Distribuzione del numero di parole per articolo (istogramma) | |
| fig9 = px.histogram(df, x=COL_NUM_PAROLE, nbins=20, | |
| title="Distribuzione del numero di parole per articolo", | |
| labels={COL_NUM_PAROLE: "Numero di parole", "count": "Frequenza"}) | |
| figures.append(fig9) | |
| return figures | |
| # Creazione dell'interfaccia Gradio con nove output interattivi | |
| demo = gr.Interface( | |
| fn=genera_grafici, | |
| inputs=[], | |
| outputs=[ | |
| gr.Plot(label="Grafico 1: Lunghezza media di articoli per anno"), | |
| gr.Plot(label="Grafico 2: Trend delle keyword per anno"), | |
| gr.Plot(label="Grafico 3: Produttività degli autori (15 autori più prolifici)"), | |
| gr.Plot(label="Grafico 4: Numero complessivo di articoli per ciascun autore"), | |
| gr.Plot(label="Grafico 5: Autori che hanno pubblicato più di 5 articoli"), | |
| gr.Plot(label="Grafico 6: Distribuzione per Lingua"), | |
| gr.Plot(label="Grafico 7: Numero di articoli per ciascun anno"), | |
| gr.Plot(label="Grafico 8: Frequenza dei luoghi citati (top 10)"), | |
| gr.Plot(label="Grafico 9: Distribuzione del numero di parole per articolo") | |
| ], | |
| title="Visualizzazione Grafici Interattivi del Dataset", | |
| description=("Questo spazio visualizza una serie di grafici interattivi derivati dal dataset. " | |
| "I grafici mostrano, tra gli altri, la lunghezza media degli articoli per anno, il trend delle keyword, " | |
| "la produttività degli autori e la distribuzione per lingua.") | |
| ) | |
| if __name__ == "__main__": | |
| demo.launch() | |